反无人机雷达如何识别无人机：微多普勒、ATR与探测—识别的权衡

Thu, 05 Dec 2024 00:00:00 +0800

问雷达厂家"你们的系统能干什么"，听到的第一个数字一定是探测距离。问一线值班员"什么最折磨人"，听到的却是另一个词：虚警。鸟、昆虫、塑料袋、旋转的机械——一台什么都能探测到、却什么都认不出来的雷达，会把每个班都变成告警疲劳，真无人机反而淹在噪声里。

这就是为什么目标识别成了现代反无人机雷达的决定性能力。探测回答"那里有没有东西"，识别回答"那是什么"——而在低空防御里，第二个问题通常更难。这篇文章讲清楚：雷达识别是怎么实现的、它为什么和探测相互掣肘，以及采购方在相信指标表之前应该验证什么。

一、为什么说识别才是瓶颈

目前大多数在役反无人机雷达能做到工程师所说的 Tier-2 分类：在稳定跟踪条件下，把目标粗分成几类——无人机、鸟、人、车辆、杂波。听起来够用了，直到你看看实际部署环境。机场、湿地、城市楼顶、林缘地带，到处都是鸟，而一只平飞的小鸟，速度和雷达截面积跟一架小无人机大致相当。光靠航迹数据，分不开它们。

后果是结构性的：分类不可靠，系统就只剩两条路——要么见目标就告警（把值班员拖垮），要么抬高告警门限（冒着漏掉真无人机的风险）。对关键基础设施站点来说，两条路都不可接受。识别质量决定了系统最终会掉进哪一种失效模式。

二、微多普勒：旋翼的指纹

改变这个局面的特征是微多普勒签名。目标的整体运动产生一个多普勒频移，但目标身上自己运动的部件——旋转的旋翼、扑动的翅膀、摆动的四肢——会在回波上叠加额外的、有特征性的频率调制。四旋翼无人机的旋翼产生密集、规则、梳齿状的谱线；鸟的扑翼则是慢得多的往复式图案，在时频域里形态完全不同。想深入了解这个现象本身，可以看我们的微多普勒入门白话版，以及更技术向的微多普勒签名详解。

两个物理因素决定雷达能把微多普勒利用到什么程度：

波长。 波长越短，对厘米级运动越敏感。Ku、Ka 波段雷达分辨小旋翼的能力远好于低频段系统——这是 Ku 和 Ka 波段雷达的区别里最实用的一条。
驻留时间。 波束在目标上停得越久，积累的微多普勒信息越丰富。快速扫描的雷达全空域刷新得快，但分给每个目标的时间很少——这与分类质量是直接冲突的，下文还会展开。

在处理链路一侧，标准做法是用短时傅里叶变换（STFT）生成时频图，再喂给训练好的分类器——通常是卷积神经网络。输出的不再是光秃秃的点迹，而是附带类别标签和置信度的航迹：无人机、鸟，或其他。

三、分类器识别的真实边界

基于分类器的识别确实有效，但它的边界同样值得讲透：

距离。 微多普勒特征需要健康的信噪比，所以分类距离永远短于探测距离。一部能在 5 km 探测到 RCS 0.01 m² 无人机的雷达，可能要到 3~4 km 以内才能可靠分类。对比产品时，两个数都要问——这和我们在探测距离与跟踪距离的区别里建议的是同一套纪律。
训练数据。 分类器的上限就是训练集的上限。只用少数几款热门机型训练出来的模型，遇到陌生机架可能直接失效，而且深度网络内部的特征提取不可解释——分错了，它也没法告诉你为什么。这一块的厂家宣传，是所有指标里水分最大的。
驻留与扫描的矛盾。 识别想要长驻留，广域监视想要快重访。一部机械扫描单面阵雷达为了识别某个目标而"凝视"它的时候，就暂时顾不上扫描其他方向。一套架构如何在更新率与重访时间和识别驻留之间做平衡，是产品之间真正的分水岭之一。

四、从串行到并行：现代架构怎么化解这个矛盾

老式架构把探测、跟踪、识别做成一条串行流水线：先探测，再跟踪，最后分类——分类时雷达得盯着这一个目标看。而现在的设计越来越多地把三者变成并行、交互的过程：识别单元在当前波束内直接处理回波，不等航迹建立；分类结果又反过来喂给探测和跟踪——一条已确认为鸟的航迹可以降低优先级，把驻留时间让给未知目标，而一架已确认的无人机会立刻抬高自己的重访优先级。

实际效果就是航迹输出除了位置还带身份——有人称之为 4D 感知：距离、速度、位置、属性。值班员屏幕上显示的是"无人机，2.8 km，逼近中"，而不是一个匿名光点。探测与跟踪的区别也就自然延伸到了分类。

五、采购方应该验证什么

识别是最容易被"演示得很好、部署得很差"的指标。三项检查能过滤掉大部分风险：

要求现场分类试飞。 用真无人机——最好是你自己的或租来的常见机型——在真实部署环境里飞，现场有鸟活动，实测分类正确率和虚警率。厂家的演示视频是在厂家挑的条件下拍的。
分类距离单独问。 探测距离、跟踪距离、分类距离是三个不同的数。任何不肯把它们分开报的厂家，卖给你的都是最好看的那个。
把识别写进验收。 “部署环境下、Y 公里处鸟/无人机分类正确率 ≥ X%“应该和招标里通常已经包含的探测距离、跟踪距离指标一样，进现场验收测试科目。

我们的 CR 系列低空监视雷达支持基于微多普勒的目标分类，每条输出航迹直接附带目标类别和置信度，指挥平台可以按类别过滤告警。比如 CR-PK05B 在输出 360° 航迹数据的同时上报分类结果——指挥系统看到的是每个目标"是什么”，而不只是"在哪里”。

写在最后

探测距离赢宣传册，识别能力赢实战部署。物理原理是确定的——微多普勒给了雷达一条把旋翼和翅膀分开的可靠路径——但真实表现取决于频段选择、驻留策略、分类器训练和诚实的指标标定。像评估探测距离一样评估识别能力：用你的无人机，在你的环境里，对照白纸黑字的验收条款。

拓展阅读

百度百科：机器学习
澎湃新闻：张网“捕蜂”，从航展看中国特色的反无人机体系 - 从预警探测到指挥控制、拦截处置的完整体系，看雷达与光电如何在反无人机链条中分工。

目标识别 on 反无人机雷达 — 低空监视雷达系统